pytorch 任务四--用PyTorch实现多层网络

最新推荐文章于 2021-12-29 11:37:37 发布

Brodie~

最新推荐文章于 2021-12-29 11:37:37 发布

阅读量574

点赞数

本文链接：https://blog.csdn.net/weixin_42524407/article/details/90371623

版权

本文介绍如何利用PyTorch实现一个多层网络，应用于糖尿病分类问题。首先引入必要的模块并加载数据，接着详细阐述了计算图的构建过程，包括网络模型的设计。然后，定义损失函数和优化器，并开始训练模型。最后，对训练好的模型进行预测效果的评估。

摘要由CSDN通过智能技术生成

1. 引入模块，读取数据
2. 构建计算图（构建网络模型）
3. 损失函数与优化器
4. 开始训练模型
5. 对训练的模型预测结果进行评估

数据采用糖尿病分类数据集diabetes.csv。这是一个典型的分类问题数据，包含768个样本，每个样本的数据包含8个特征，分别代表受试者的不同身体指标，标签为0或1，代表是否患有糖尿病。数据集示意图如下：
在这里插入图片描述

import torch
import torch.nn.functional as F
import torch.nn.init as init
import math
import numpy as np
import pandas as pd
from torch.autograd import Variable
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
#从本地读取数据
xy = pd.read_csv('./diabetes.csv').values
x = Variable(torch.from_numpy(xy[:,0:-1]))
y = Variable(torch.from_numpy(xy[:,-1]))
#划分训练数据和测试数据
x_train, x_test,y_train,y_test= train_test_split(x.numpy